基于时空混合注意力机制的超短时风电功率预测方法

摘要

针对风电功率预测精度差以及一些风电场没有气象传感器的问题，提出不依赖气象数据的风力发电预测模型算法。首先，使用基于滑动窗口的方法对数据进行切分，构造时序数据。然后，通过采用一维卷积网络和长短期记忆网络(long short-term memory neural network, LSTM)对具有长期依赖性的时间序列数据进行空间和时间维度上的特征提取。之后，采用时空混合注意力机制对特征进行融合，并进行功率预测。通过对华东某风电场的3年数据进行算例分析，结果表明上述预测模型比卷积神经网络-长短期记忆网络(convolutional neural network-long short-term memory,CNN-LSTM)模型、CNN模型和LSTM模型更加准确，证明了所提预测方法的有效性和实用性。该研究为在实际场景中对功率预测的可靠性分析，提供了有力的支持。

关键词

卷积神经网络 / 风电功率 / 功率预测 / 长短期记忆网络 / 时间序列